Weed Control, Environmental Impact and Profitability of Two-Pass Weed Management Strategies in Glyphosate-Resistant Corn
Notice bibliographique
Résumé
Twelve field trials were conducted over a three-year period (2010, 2011, 2012) at different locations in southwestern Ontario, Canada to compare various two-pass weed management strategies in glyphosate-resistant corn for crop injury, weed control, environmental impact, corn yield and profit margin. No visible injury resulted from the herbicide treatments evaluated. One early postemergence (EPOST) application of glyphosate provided good full season control of pigweed species and lady's thumb and fair control of velvetleaf, common ragweed, lamb's-quarters, barnyard grass and green foxtail. One late postemergence (LPOST) application of glyphosate provided excellent control of all weed species evaluated but corn yield was reduced due to early weed interference. The sequential application of glyphosate (EPOST fb LPOST) provided excellent control of all weed species evaluated with no adverse effect on corn yield. The sequential application of a preemergence residual herbicide followed by an application of glyphosate LPOST provided excellent full season control of all weed species evaluated and corn yield was equal to the weed free control. Among the sequential herbicide programs the lowest environmental impact was glyphosate EPOST fb LPOST and saflufenacil/dimethenamid-p, isoxaflutole + atrazine or rimsulfuron + s-metolachlor + dicamba applied PRE fb glyphosate LPOST. Based on this study, the most efficacious and profitable weed management programs in glyphosate-resistant corn are a sequential application of glyphosate or a two-pass program of a preemergence residual herbicide followed by glyphosate LPOST. The two-pass programs have glyphosate stewardship benefits.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».